=Start=
缘由：
简单整理一下近期阅读的《怎么把学到的知识，变成赚钱的本事》一文的读后感，以及网上的一些相关文章，方便后面有需要的时候参考。
出来混，最重要的，是出来。
知识的价值不在于它被记住，而在于它被应用。
正文：
参考解答：
- 第一个话题：都叫普鲁士教育，可是它也分两种：计划教育和市场教育。
- 第二个话题：遇到现象，提出问题，解答问题，你缺什么，什么才重要。
- 第三个话题：我们不是没有出题的能力，我们只是观念没扭过来。
先要有问题，才会有其它的（解决问题的办法、学问、技巧）。
用到什么学什么，也许四天就够了。
企业其实从来都只需要合伙人，需要能够来当老板的人。剩下的，都是临时工。
人怎么才能提出问题？你要遇到现象。
人怎么才能遇到现象？你得主动去碰。真正阻碍我们的，并不是能力，是你有没有那个意识。
如果你还想有一份差，那这份差，多半是什么形式？是自雇者的形式。别想着学成文武艺，售与谁家了，没谁买。要买，就自己买，你本自具足，你并不需要受谁的窝囊气，挣谁的窝囊费。
从0到1的过程中，啥都有没有。只有问题。而这堆问题本身，才是你脱颖而出的关键。（因为大部分人的基础条件差不多，初始能力相差不大）
我只想亲历一线，我只想直面问题，我只想学以致用。
当你真的肯面对问题时，你就会发现，大部分问题，你曾经学过的知识，都能解决，其余的，你也早就学过学习方法了，临时学，临时解，每次都不用一两天。
出来混，最重要的，是出来。
出来，才有现象，才有数据，才有问题。钱，最后都被出来的人，给赚走了。
因为他出来，他就能看到现象，看到数据，看到问题，于是就对你形成了降维打击，对你形成了信息不对称。于是他把问题拆解下，像第二个话题里，我提问我儿子回答时那样，外包给你。
他提问，你回答，他派活，你干活。你能有稳定么？不能，你只是主动的把自己矮了一截。
当然，我知道，我今天讲的这些，大概率是白讲的。
几千年的科举，加几十年的进修班式的计划教育，你指望说一番话，就改变很多人骨子里的东西。
是不可能的。
我相信，绝大多数人，过了今天，还是会继续关注：
- 我怎么才能稳定？
- 我要学什么才能稳定？
- 我考出一个什么才能稳定？
- 我要选择哪个行业才能稳定？
- 我要选择哪个企业才能稳定？
- …….
- “这个世界奖励的是做到的那些人，不是听到的那些人”
- “知识的价值不在于它被记住，而在于它被应用”
往后要多以 “解决问题” 为导向学知识，少做 “无效记忆”，把 “用起来” 作为核心目标。
成功者总能像小店主一样，从现象中挖掘问题，作者从程序化交易的挂单闪烁中，推理出资金使用效率的漏洞，手动分走 1% 利润。
而失败者总在等老板派活、向大佬求助，把 “解决问题” 当成全部，却忘了 “发现问题” 才是赚钱的起点。
从 0 到 1 的破局能力。创业失败的案例揭示，多数人习惯 “向上求助、向下分派”，却不愿像作者那样精打细算、自负盈亏。
真正的变现，是在没有标准答案的现实中，用已有知识拆解问题，就像两口子开超市年净赚百万，人均创利率远超连锁巨头，这才是知识落地的真谛。
知识变财富，从来不是多学一门技能，而是打破 “等、靠、要” 的思维牢笼。主动拥抱现实、从现象中找问题，你早已掌握的知识，就能成为赚钱的利器。
真正的人才从不是做题家，而是能给自己出题的破局者。
我们从小被灌输的观念是——
“学得好 → 考得好 → 提拔 → 管人 → 成功”
这种路径几十年如一日，但在AI时代已经全面崩塌。
未来真正赚钱的人，是这样成长的：
“遇到问题 → 提出问题 → 拆解问题 → 用知识解决 → 持续迭代 → 做大做强”
这是一条反向路径：
不是为了管人学习，而是为了解决问题学习。这才是让知识变成赚钱能力的唯一路径。
参考链接：
怎么把学到的知识，变成赚钱的本事？
https://mp.weixin.qq.com/s/3-cDn1v7o2Eb0h_AHYcYDg
(潮汐洞见) 20251126，知识的价值不在于被记住，而在于被应用
(AI泉声)为什么你读了20年书，却依然没学会赚钱？
(安琪拉历险记)OPC构建生存能力
(余生待完成)Day344：知识变现的核心是打破思维桎梏，主动创造问题
=END=
AI 降低了技术难度，创业的门槛是高了还是低了？
`
最近与许多创业者聊到对 AI 的使用，我最近也尝试高频的把 AI 融入我的工作和生活，甚至也开始尝试搓一些有意思的软件，这篇文章聊聊我与同行交流下来，加之自己使用后对 AI 的感受与看法。
1
AI Native 公司听起来非常性感，但到现在为止，真正有业务场景、能够实现商业闭环的 AI Native 公司，我暂时还没有看到。
AI Native 只是一种组织或技术形式，最重要的不是如何用 AI 编程，而是业务场是否刚需，以及能否喂给 AI 的足量训练数据。这也是为什么现在还没有出现特别厉害的、基于某个业务解决方案的 AI Native 公司，因为用 AI 写代码这件事本身并不是壁垒，真正的壁垒在于：你是否发现了一个真正值钱的场景，以及你是否有足够多的数据，去让 AI 做到和人一样，甚至超越人的水平。
如果一家 AI 创业公司真的发现了一个非常厉害的场景，它大概率是不具备足量数据的。反而是那些本身就有业务场景、有足量数据的互联网公司，甚至实体公司，更有可能把这个想法落地。
也就是说，一个可变现的场景 + 足量的数据，是一切 AI 商业化的核心。
如此看来，AI Native 公司的机会，可能来自这两种：
1）找到了一个非常小众且具体的需求，大公司不愿意做，而你可以基于很低的人力与时间成本去实现它，并从中获得一定的商业回报，简单来说，就是一个小而美的生意。
2）真的在某个大的需求口上，提出了一个有创造性的 AI 解决方案。也就是说，你有新方案解决旧问题，需求还挺大，你解决还挺好。同时，你还需要有能力或者运气，在大公司没有入场的情况下，在极短的时间内实现规模化的用户扩张。
2
AI 的核心价值有两类：
一类是成本向的，也就是节约成本。原来人完成的工作，现在交给 AI，这也是目前落地最广泛的场景，比如客服答疑、助教老师批改作业。
一类是效果向的，也就是能否基于 AI，对一个问题提出更好的解决方案。比如，对于孩子的教学，能否因为个性化而真的带来教学质量的提升，这一类问题，似乎还没有被非常好地回答。
3
AI 确实能极大地降低创业的门槛，因为创业者不需要招人了，起码前期不用招人了，几乎可以零成本启动，这就是现在网上鼓吹的所谓 “一人公司”。但我们回到创业的底层逻辑上，似乎这个逻辑又不太对。
以前之所以我们认为创业有门槛，是因为创业需要启动资金。什么样的人能够拿到启动资金？大概率是在某个行业里有认知、有资源的人，这些人能更容易拿到投资，而这本身就是一种筛选。
但当启动不再需要资金，也就是人人都可以成为创业者时，创业者之间真正的竞争力又在哪里？肯定不在于你的 “龙虾” 比他的 “龙虾” 更优秀吧 —— 抛开 AI 本身的加持，回过头来看，创业仍然是创始人对用户需求、商业洞察，以及行业资源的综合比拼。
也就是说，门槛看起来降低了，但能够赢下比赛的人，核心能力似乎暂时没有发生巨大的变化。
4
我能看到的所谓 AI 赋能的一人公司的案例都是：这些人原本就是一人公司，比如自媒体博主、自由讲师、自由咨询者。
也就是说，不是因为有了 AI，他们才从一个打工者变成了一人公司，而是人家本来就是一人公司，只是因为有了 AI 的加持，他们的工作效率确实提高了不少。
所有鼓吹 AI 时代来了，一人公司的时代来了，忽悠你离职做一人公司的，非蠢即坏。
5
门槛降低的同时，壁垒也在降低。
你今天用 AI 做出了一个软件产品，明天别人就能抄出一模一样甚至更好的产品，又凭什么你能跑到终点呢？
而且，当供给开始泛滥时，用户的注意力就会变得更贵，信任也会变得更贵，AI 时代的获客与留存难度会远超传统互联网时代，商业化的空间就更小了。特别是痒点类产品，让用户的付费难度会越来越大。
6
虽然互联网公司很难转型为 AI Native 公司，就像当年实体行业很难真正转型到互联网一样，但我仍然非常坚定地相信，AI 未来能够替代现在互联网人的绝大部分工作。
未来一定会走到一个临界值：大部分互联网公司开始裁员，甚至裁员会变成一种风潮，像是某种公司宣示自己拥抱 AI 的投名状。
7
保持感受力，可能是 AI 时代对于普通人最重要的议题。
比如，我会让 AI 帮我整理行业研究报告、写竞品分析，但我不会让 AI 帮我写公众号，不会让 AI 帮阅读并整理出书籍梗概给我看。写作和阅读，都是非常珍贵的、保护自己感受力的重要方式。
我最近迷上了博尔赫斯的文学作品，在他的短篇小说里，掺杂着大量对有限与无限、时间与空间、现实与虚构边界的探讨与隐喻，他自己对于虚构与现实也格外敏感。
有一次他说：“如果虚构作品中的人物能成为读者或观众，反过来说，作为读者或观众的我们，就有可能成为虚构的人物。”
我想，这种关系放到我们与 AI 身上也很合适，确实也很像虚构与现实的关系 —— 当 AI 占据了我们绝大多数的工作与思考时，它似乎更像是现实中的实际存在者，而我们反而更像是某种虚构的幻象。
来源：罗大量
`